FaceTalkで、音声から顔の３Dアニメーションを作成する

cedro

2年前

1.はじめに

　以前からこのブログでは、音声から顔画像を動かす技術（Live Speech Portraits、MakeitTalk）をご紹介して来ましたが、それらはいずれも出力が２次元でした。今回ご紹介するのは、音声から顔の３Dアニメーションを作成するFaceTalkという技術です。

2.FaceTalkとは？

　下記がシステムの概要です。まず、顔の３Dメッシュ・テンプレート（template mesh）をエンコードして特徴量に変換し、それをデコードしてアニメーションした顔の３Dメッシュ（animated mesh）に復元するU -Netを用意します。

　そして、音声（Speech signal）と顔の３Dキャプチャ信号（expression signal）をそれぞれエンコードしたものを融合し、カテゴリの潜在的な表現空間（Categorical latent space）にマッピングして、U -Netの特徴量に作用させます。

　それでは、早速コードを動かしてみましょう。

3.コード

　コードはGoogle Colabで動かす形にしてGithubに上げてありますので、それに沿って説明して行きます。自分で動かしてみたい方は、この「リンク」をクリックし表示されたノートブックの先頭にある「Colab on Web」ボタンをクリックすると動かせます。

　まず、セットアップを行います。pytorch3dのインストールはpipでは上手く行かず、Building wheelsで行う必要がありセットアップに20分位かかりますので、しばらくお待ちください。

#@title セットアップ（20分位かかります）
# githubからコードを取得
! git clone https://github.com/cedro3/meshtalk.git
%cd meshtalk

# pytorch3dインストール
!pip install 'git+https://github.com/facebookresearch/pytorch3d.git@stable'

# ffmpeg-pythonインストール
! pip install ffmpeg-python

# 学習済みパラメータのダウンロード
import urllib.request
! wget https://github.com/facebookresearch/meshtalk/releases/download/pretrained_models_v1.0/pretrained_models.zip
! unzip pretrained_models.zip

# movieフォルダ作成
import os
os.makedirs('movie', exist_ok=True)

#@title セットアップ（20分位かかります）

# githubからコードを取得

! git clone https://github.com/cedro3/meshtalk.git

%cd meshtalk

# pytorch3dインストール

!pip install 'git+https://github.com/facebookresearch/pytorch3d.git@stable'

# ffmpeg-pythonインストール

! pip install ffmpeg-python

# 学習済みパラメータのダウンロード

import urllib.request

! wget https://github.com/facebookresearch/meshtalk/releases/download/pretrained_models_v1.0/pretrained_models.zip

! unzip pretrained_models.zip

# movieフォルダ作成

import os

os.makedirs('movie', exist_ok=True)

　animete_face.py で音声からFaceMash動画を作成します。audioに、audioフォルダにある音声ファイル（wav）のどれを使用するか記入します。自分の用意した音声を使用する場合は事前にaudioフォルダにアップロードしておいて下さい。

#@title 音声から動画を作成
audio = 'mix.wav'#@param {type:"string"}
audio_path = 'audio/'+audio

! python animate_face.py --model_dir pretrained_models\
                          --audio_file $audio_path\
                          --output output.mp4

#@title 音声から動画を作成

audio = 'mix.wav'#@param {type:"string"}

audio_path = 'audio/'+audio

! python animate_face.py --model_dir pretrained_models\

--audio_file $audio_path\

--output output.mp4

　作成した動画を再生します。

#@title 動画の再生
from IPython.display import HTML
from base64 import b64encode

mp4 = open('output.mp4', 'rb').read()
data_url = 'data:video/mp4;base64,' + b64encode(mp4).decode()
HTML(f"""
<video width="50%" height="50%" controls>
      <source src="{data_url}" type="video/mp4">
</video>""")

#@title 動画の再生

from IPython.display import HTML

from base64 import b64encode

mp4 = open('output.mp4', 'rb').read()

data_url = 'data:video/mp4;base64,' + b64encode(mp4).decode()

HTML(f"""

</video>""")

https://cedro3.com/wp-content/uploads/2022/01/mix.mp4

　作成した動画をダウンロードする場合は、下記を実行します。

#@title 動画のダウンロード
import os
import shutil
from google.colab import files

name = os.path.splitext(audio)
file_name = 'movie/'+name[0]+'.mp4'
shutil.copy('output.mp4', file_name)
files.download(file_name)

#@title 動画のダウンロード

import os

import shutil

from google.colab import files

name = os.path.splitext(audio)

file_name = 'movie/'+name[0]+'.mp4'

shutil.copy('output.mp4', file_name)

files.download(file_name)

　では、また。

（オリジナルgithub）https://github.com/facebookresearch/meshtalk